{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:2886940"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:2886940","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Music Recommendation System based on EEG Sentiment Analysis using ML Techniques","abstract":"Με την πάροδο των χρόνων, πολυάριθμες μελέτες έχουν δείξει ότι η μουσική μπορεί να παράγει ξεχωριστά αποτελέσματα και συναισθήματα στους ανθρώπους. Παρόλο που είναι σχετικά εύκολο να ονομαστούν διαφορετικοί τύποι συναισθημάτων, είναι δύσκολο να συσχετιστούν με τα πραγματικά συναισθήματα που βιώνει κάποιος. Επιπλέον, υπάρχει πληθώρα ανθρώπων που ακούν ένα συγκεκριμένο είδος μουσικής που θεωρούν ευχάριστο όταν στην πραγματικότητα αυτό το είδος μπορεί να έχει αρνητικό αντίκτυπο στους ίδιους. Απώτερος σκοπός της τρέχουσας διπλωματικής είναι η ανάπτυξη ενός συστήματος συστάσεων μουσικής βασιζόμενο σε συναισθήματα που εξάγονται από δεδομένα ηλεκτροεγκεφαλογράφου (EEG), ώστε να παραμείνουν όσο το δυνατόν πιο κοντά στην ανθρώπινη φύση. Το σύστημα αυτό, βασίζεται στις τεχνικές μάθησης μηχανών και περιλαμβάνει τα ακόλουθα χαρακτηριστικά: (α) Επεξεργασία δεδομένων EEG για την ανάπτυξη διαφόρων μεθόδων εξαγωγής χαρακτηριστικών (β) εφαρμογή μεθόδων για αύξηση των δεδομένων ώστε να εμπλουτιστεί το τρέχον σύνολο τους, (γ) χρήση κατάλληλων μηχανισμών μείωσης των διαστάσεων των δεδομένων, οι οποίοι στοχεύουν στην εύρεση συσχετισμών στα δεδομένα με σκοπό την απομάκρυνση μη κρίσιμων πληροφορίων, (δ) εφαρμογή μεθόδων ταξινόμησης που είναι σε θέση να προβλέπουν τις σχετικές με το συναίσθημα ετικέτες (valence, arousal, dominance, liking), (ε) αντιστοίχηση των προβλεπόμενων σχετικά με το συναίσθημα ετικετών σε πραγματικά συναισθήματα (excited, happy, angry, sad) και (στ) ενσωμάτωση των καλύτερων μοντέλων με τη μέθοδο της ψηφοφορίας σε ένα τελικό σύστημα συστάσεων μουσικής.","abstract_html":"Με την πάροδο των χρόνων, πολυάριθμες μελέτες έχουν δείξει ότι η μουσική μπορεί να παράγει ξεχωριστά αποτελέσματα και συναισθήματα στους ανθρώπους. Παρόλο που είναι σχετικά εύκολο να ονομαστούν διαφορετικοί τύποι συναισθημάτων, είναι δύσκολο να συσχετιστούν με τα πραγματικά συναισθήματα που βιώνει κάποιος. Επιπλέον, υπάρχει πληθώρα ανθρώπων που ακούν ένα συγκεκριμένο είδος μουσικής που θεωρούν ευχάριστο όταν στην πραγματικότητα αυτό το είδος μπορεί να έχει αρνητικό αντίκτυπο στους ίδιους. Απώτερος σκοπός της τρέχουσας διπλωματικής είναι η ανάπτυξη ενός συστήματος συστάσεων μουσικής βασιζόμενο σε συναισθήματα που εξάγονται από δεδομένα ηλεκτροεγκεφαλογράφου (EEG), ώστε να παραμείνουν όσο το δυνατόν πιο κοντά στην ανθρώπινη φύση. Το σύστημα αυτό, βασίζεται στις τεχνικές μάθησης μηχανών και περιλαμβάνει τα ακόλουθα χαρακτηριστικά: (α) Επεξεργασία δεδομένων EEG για την ανάπτυξη διαφόρων μεθόδων εξαγωγής χαρακτηριστικών (β) εφαρμογή μεθόδων για αύξηση των δεδομένων ώστε να εμπλουτιστεί το τρέχον σύνολο τους, (γ) χρήση κατάλληλων μηχανισμών μείωσης των διαστάσεων των δεδομένων, οι οποίοι στοχεύουν στην εύρεση συσχετισμών στα δεδομένα με σκοπό την απομάκρυνση μη κρίσιμων πληροφορίων, (δ) εφαρμογή μεθόδων ταξινόμησης που είναι σε θέση να προβλέπουν τις σχετικές με το συναίσθημα ετικέτες (valence, arousal, dominance, liking), (ε) αντιστοίχηση των προβλεπόμενων σχετικά με το συναίσθημα ετικετών σε πραγματικά συναισθήματα (excited, happy, angry, sad) και (στ) ενσωμάτωση των καλύτερων μοντέλων με τη μέθοδο της ψηφοφορίας σε ένα τελικό σύστημα συστάσεων μουσικής.","abstract_has_math":false,"creators":["Κουρσιουμπάς Νικόλαος","Μαγουλά Βασιλεία","Koursioumpas Nikolaos","Magoula Vasileia"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2019,"date_issued":"2019","date_published":"2019","updated_at":"2026-11-19T05:36:41Z","subjects":["Τεχνολογία – Πληροφορική","Technology - Computer science"],"languages":["English"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:2886940"],"render_values":[{"text":"uoadl:2886940","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/2886940","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/2886940","record_label":"Repository record","record_kind":"record","record_source":"dc:identifier","download_url":null,"download_label":null,"download_source":null,"access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Alib.uoa.gr%3Auoadl%3A2886940","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Κουρσιουμπάς Νικόλαος","Μαγουλά Βασιλεία","Koursioumpas Nikolaos","Magoula Vasileia"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2019"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Τεχνολογία – Πληροφορική","Technology - Computer science"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["English"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:2886940","https://pergamos.lib.uoa.gr/uoa/dl/object/2886940"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Με την πάροδο των χρόνων, πολυάριθμες μελέτες έχουν δείξει ότι η μουσική μπορεί να παράγει ξεχωριστά αποτελέσματα και συναισθήματα στους ανθρώπους. Παρόλο που είναι σχετικά εύκολο να ονομαστούν διαφορετικοί τύποι συναισθημάτων, είναι δύσκολο να συσχετιστούν με τα πραγματικά συναισθήματα που βιώνει κάποιος. Επιπλέον, υπάρχει πληθώρα ανθρώπων που ακούν ένα συγκεκριμένο είδος μουσικής που θεωρούν ευχάριστο όταν στην πραγματικότητα αυτό το είδος μπορεί να έχει αρνητικό αντίκτυπο στους ίδιους. Απώτερος σκοπός της τρέχουσας διπλωματικής είναι η ανάπτυξη ενός συστήματος συστάσεων μουσικής βασιζόμενο σε συναισθήματα που εξάγονται από δεδομένα ηλεκτροεγκεφαλογράφου (EEG), ώστε να παραμείνουν όσο το δυνατόν πιο κοντά στην ανθρώπινη φύση. Το σύστημα αυτό, βασίζεται στις τεχνικές μάθησης μηχανών και περιλαμβάνει τα ακόλουθα χαρακτηριστικά: (α) Επεξεργασία δεδομένων EEG για την ανάπτυξη διαφόρων μεθόδων εξαγωγής χαρακτηριστικών (β) εφαρμογή μεθόδων για αύξηση των δεδομένων ώστε να εμπλουτιστεί το τρέχον σύνολο τους, (γ) χρήση κατάλληλων μηχανισμών μείωσης των διαστάσεων των δεδομένων, οι οποίοι στοχεύουν στην εύρεση συσχετισμών στα δεδομένα με σκοπό την απομάκρυνση μη κρίσιμων πληροφορίων, (δ) εφαρμογή μεθόδων ταξινόμησης που είναι σε θέση να προβλέπουν τις σχετικές με το συναίσθημα ετικέτες (valence, arousal, dominance, liking), (ε) αντιστοίχηση των προβλεπόμενων σχετικά με το συναίσθημα ετικετών σε πραγματικά συναισθήματα (excited, happy, angry, sad) και (στ) ενσωμάτωση των καλύτερων μοντέλων με τη μέθοδο της ψηφοφορίας σε ένα τελικό σύστημα συστάσεων μουσικής.","Over the years, numerous studies have demonstrated that music can produce distinct effects and feelings on people. Although it is relatively easy to name different types of emotions, it remains difficult to relate them to the real emotions experienced by a person. In addition, there are many people who listen to a specific genre of music that they think it is enjoyable when in fact that genre might have a negative effect on them. The current thesis, will try to develop a music recommendation system that will base its output on emotions extracted from Electroencephalography (EEG) data so as to stay as close as possible to the human nature. The system, which is based on Machine Learning techniques, comprises the following features: (a) Processing of EEG data in order to perform various feature extraction methods; (b) perform data augmentation so as to enrich the current dataset; (c) make use of a proper dimensionality reduction method that will find correlations in the data and discard non-critical information; (d) implement classification methods that are able to predict emotion related labels (valence, arousal, dominance, liking); (e) map the predicted emotion related labels into real emotions (excited, happy, angry, sad) and (f) integrate the best models, with the use of a voting method, into a final music recommendation system."]},{"key":"dc:title","label":"Title","values":["Music Recommendation System based on EEG Sentiment Analysis using ML Techniques"]}]}],"canonical_facts":{"dc:creator":["Κουρσιουμπάς Νικόλαος","Μαγουλά Βασιλεία","Koursioumpas Nikolaos","Magoula Vasileia"],"dc:date":["2019"],"dc:description":["Με την πάροδο των χρόνων, πολυάριθμες μελέτες έχουν δείξει ότι η μουσική μπορεί να παράγει ξεχωριστά αποτελέσματα και συναισθήματα στους ανθρώπους. Παρόλο που είναι σχετικά εύκολο να ονομαστούν διαφορετικοί τύποι συναισθημάτων, είναι δύσκολο να συσχετιστούν με τα πραγματικά συναισθήματα που βιώνει κάποιος. Επιπλέον, υπάρχει πληθώρα ανθρώπων που ακούν ένα συγκεκριμένο είδος μουσικής που θεωρούν ευχάριστο όταν στην πραγματικότητα αυτό το είδος μπορεί να έχει αρνητικό αντίκτυπο στους ίδιους. Απώτερος σκοπός της τρέχουσας διπλωματικής είναι η ανάπτυξη ενός συστήματος συστάσεων μουσικής βασιζόμενο σε συναισθήματα που εξάγονται από δεδομένα ηλεκτροεγκεφαλογράφου (EEG), ώστε να παραμείνουν όσο το δυνατόν πιο κοντά στην ανθρώπινη φύση. Το σύστημα αυτό, βασίζεται στις τεχνικές μάθησης μηχανών και περιλαμβάνει τα ακόλουθα χαρακτηριστικά: (α) Επεξεργασία δεδομένων EEG για την ανάπτυξη διαφόρων μεθόδων εξαγωγής χαρακτηριστικών (β) εφαρμογή μεθόδων για αύξηση των δεδομένων ώστε να εμπλουτιστεί το τρέχον σύνολο τους, (γ) χρήση κατάλληλων μηχανισμών μείωσης των διαστάσεων των δεδομένων, οι οποίοι στοχεύουν στην εύρεση συσχετισμών στα δεδομένα με σκοπό την απομάκρυνση μη κρίσιμων πληροφορίων, (δ) εφαρμογή μεθόδων ταξινόμησης που είναι σε θέση να προβλέπουν τις σχετικές με το συναίσθημα ετικέτες (valence, arousal, dominance, liking), (ε) αντιστοίχηση των προβλεπόμενων σχετικά με το συναίσθημα ετικετών σε πραγματικά συναισθήματα (excited, happy, angry, sad) και (στ) ενσωμάτωση των καλύτερων μοντέλων με τη μέθοδο της ψηφοφορίας σε ένα τελικό σύστημα συστάσεων μουσικής.","Over the years, numerous studies have demonstrated that music can produce distinct effects and feelings on people. Although it is relatively easy to name different types of emotions, it remains difficult to relate them to the real emotions experienced by a person. In addition, there are many people who listen to a specific genre of music that they think it is enjoyable when in fact that genre might have a negative effect on them. The current thesis, will try to develop a music recommendation system that will base its output on emotions extracted from Electroencephalography (EEG) data so as to stay as close as possible to the human nature. The system, which is based on Machine Learning techniques, comprises the following features: (a) Processing of EEG data in order to perform various feature extraction methods; (b) perform data augmentation so as to enrich the current dataset; (c) make use of a proper dimensionality reduction method that will find correlations in the data and discard non-critical information; (d) implement classification methods that are able to predict emotion related labels (valence, arousal, dominance, liking); (e) map the predicted emotion related labels into real emotions (excited, happy, angry, sad) and (f) integrate the best models, with the use of a voting method, into a final music recommendation system."],"dc:identifier":["uoadl:2886940","https://pergamos.lib.uoa.gr/uoa/dl/object/2886940"],"dc:language":["English"],"dc:subject":["Τεχνολογία – Πληροφορική","Technology - Computer science"],"dc:title":["Music Recommendation System based on EEG Sentiment Analysis using ML Techniques"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T05:36:41Z"}